WO2022001060A1 - 一种设备故障检测方法、系统、装置和存储介质 - Google Patents
一种设备故障检测方法、系统、装置和存储介质 Download PDFInfo
- Publication number
- WO2022001060A1 WO2022001060A1 PCT/CN2020/140970 CN2020140970W WO2022001060A1 WO 2022001060 A1 WO2022001060 A1 WO 2022001060A1 CN 2020140970 W CN2020140970 W CN 2020140970W WO 2022001060 A1 WO2022001060 A1 WO 2022001060A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- duration data
- action
- action duration
- average value
- data
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Databases & Information Systems (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Pure & Applied Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Algebra (AREA)
- Bioinformatics & Computational Biology (AREA)
- Operations Research (AREA)
- Life Sciences & Earth Sciences (AREA)
- Fuzzy Systems (AREA)
- Computational Linguistics (AREA)
- Debugging And Monitoring (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
一种设备故障检测方法、系统、装置和存储介质,所述方法包括:获取所述设备的若干第一动作时长数据(S100);根据所述第一动作时长数据计算第一平均值(S200);根据所述第一平均值筛选所述第一动作时长数据,获取第二动作时长数据(S300);根据所述第二动作时长数据计算第二平均值(S400);根据所述第二动作时长数据和所述第二平均值,计算所述设备的动作稳定性(S500);根据所述动作稳定性获取所述设备的故障信息(S600)。通过以上方式实现了对设备故障的检测,相较于现有的故障检测方法,通过动作稳定性进行故障检测,其通用性更强,效率更高,可广泛应用于故障检测领域中。
Description
本发明涉及故障检测技术领域,尤其涉及一种设备故障检测方法、系统、装置和存储介质。
在全球工业信息化、数字化的趋势浪潮中,制造业车间生产设备数据的实时采集、存储分析和诊断应用得到了前所未有的发展。线体动作的稳定性是线体诊断分析中十分重要的一环,节拍和动作稳定性高低直接反映是否存在异常节拍和动作,间接反映线体设备的稳定性和产能稳定性。目前的线体设备故障检测方法大多基于电气参数对设备进行诊断,基于电气参数的故障检测方法对于不同设备需要采集不同的电气参数,而有些设备不向数据采集器发送实时电气参数,导致目前检测方法适用性存在较大局限。
发明内容
有鉴于此,本发明的目的是提供一种设备故障检测方法、系统、装置和存储介质,以提高故障检测的适用性。
本发明所采用的第一技术方案是:
一种设备故障检测方法,包括:
获取所述设备的若干第一动作时长数据;
根据所述第一动作时长数据计算第一平均值;
根据所述第一平均值筛选所述第一动作时长数据,获取第二动作时长数据;
根据所述第二动作时长数据计算第二平均值;
根据所述第二动作时长数据和所述第二平均值,计算所述设备的动作稳定性;
根据所述动作稳定性获取所述设备的故障信息。
进一步,所述根据所述第一平均值筛选所述第一动作时长数据,获取第二动作时长数据,其具体包括:
根据所述第一平均值,将所述第一动作时长数据分为若干个区间大小相同的集合;
获取所述第一动作时长数据中数据量最大的集合作为中心集合;
将所述中心集合及其相邻的若干个集合中的动作时长数据作为第二动作时长数据。
进一步,所述将所述中心集合及其相邻的若干个集合中的动作时长数据作为第二动作时 长数据,其具体包括:
将所述中心集合、中心集合的前部集合和中心集合的后部集合中的动作时长数据作为第二动作时长数据,所述前部集合与所述后部集合基于所述中心集合中心对称。
进一步,所述根据所述第一平均值筛选所述第一动作时长数据,获取第二动作时长数据,其具体包括:
根据所述第一动作时长数据计算标准差;
根据所述第一平均值和所述标准差计算第一区间范围;
将所述第一动作数据中处于所述第一区间范围的数据作为第二动作时长数据。
进一步,所述根据所述第二动作时长数据和所述第二平均值,计算所述设备的动作稳定性,其具体包括:
根据所述第二平均值计算第二区间范围;
根据所述第二动作时长数据在所述第二区间范围内的比例,计算所述设备的动作稳定性。
进一步,所述根据所述动作稳定性获取所述设备的故障信息,其具体包括:
确定所述动作稳定性大于阈值,所述设备不存在故障;
确定所述动作稳定性小于阈值,所述设备存在故障;
其中,所述阈值为标准设备的动作稳定性。
进一步,所述根据所述动作稳定性获取所述设备的故障信息,还包括以下步骤:
确定所述动作稳定性等于阈值,减小所述第二区间范围,重新进行动作稳定性和阈值的计算。
本发明所采用的第二技术方案是:
一种设备故障检测系统,包括:
计时模块,用于获取所述设备的若干第一动作时长数据;
筛选模块,用于根据所述第一动作时长数据计算第一平均值;根据所述第一平均值筛选所述第一动作时长数据,获取第二动作时长数据;
计算模块,根据所述第二动作时长数据计算第二平均值;根据所述第二动作时长数据和所述第二平均值,计算所述设备的动作稳定性;
检测模块,用于根据所述动作稳定性获取所述设备的故障信息。
本发明所采用的第三技术方案是:
一种设备故障检测装置,包括:
计时器,用于获取所述设备的若干第一动作时长数据;
处理器,用于根据所述第一动作时长数据计算第一平均值;根据所述第一平均值筛选所述第一动作时长数据,获取第二动作时长数据;根据所述第二动作时长数据计算第二平均值;根据所述第二动作时长数据和所述第二平均值,计算所述设备的动作稳定性;根据所述动作稳定性获取所述设备的故障信息。
本发明所采用的第四技术方案是:
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现所述的一种设备故障检测方法。
与现有技术相比较,本发明实施例提出了一种基于动作稳定性的设备故障检测方法,通过获取设备的第一动作时长数据,并根据第一动作时长数据的第一平均值进行筛选得到第二动作时长数据,利用第二动作时长数据实现对于设备动作稳定性的计算,从而实现对于设备故障的检测;相较于现有的故障检测方法,本发明实施例通过动作稳定性进行故障检测,其适用性更强。
图1为本发明实施例一种设备故障检测方法的流程图。
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述,以充分地理解本发明的目的、方案和效果。
下面结合附图和具体实施例对本发明做进一步的详细说明。对于以下实施例中的步骤编号,其仅为了便于阐述说明而设置,对步骤之间的顺序不做任何限定,实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。此外,对于以下实施例中所述的若干个,其表示为至少一个。
本发明实施例提供了一种设备故障检测方法,参照图1,包括:
S100、获取所述设备的若干第一动作时长数据;
S200、根据所述第一动作时长数据计算第一平均值;
S300、根据所述第一平均值筛选所述第一动作时长数据,获取第二动作时长数据;
S400、根据所述第二动作时长数据计算第二平均值;
S500、根据所述第二动作时长数据和所述第二平均值,计算所述设备的动作稳定性;
S600、根据所述动作稳定性获取所述设备的故障信息。
具体的,本发明实施例提供了一种设备故障检测方法,通过计算设备运作过程的动作时长数据的稳定性,实现对于设备故障的检测。
第一动作时长数据来源于过程监控中单个工艺动作在一个产品周期下的持续时间,若干第一动作时长数据则对应单个工艺动作在不同产品周期下的持续时间。一般而言,第一动作时长数据取200个以上。
第一平均值由第一动作时长数据里对所有的动作时长求平均值得到,用于在选取数据的时候针对性地选取或者剔除一些数据,以提高数据的可用性。
第二动作时长数据是第一动作时长数据根据第一平均值筛选之后得到的数据,在筛选的过程中会筛选掉与大部分数据相差较大的边缘数据,这些数据的产生往往是因为特殊情况产生,并非设备本身性能造成。
第二平均值由第二动作时长数据里对所有动作时长求平均值得到,第二平均值用于计算第二动作数据的集中程度。第二动作时长数据的集中程度越高,说明设备的动作稳定性越高,设备运转正常。
动作稳定性反映的是动作在多次发生的情况下,动作时长是否能趋向于一个确定的值,由每个动作的大量实际时长样本通过一定算法计算得到,用于对实际工艺进行分析,从而对线体节拍和动作的稳定性进行诊断。
故障信息包括设备故障和设备正常两种情况,用于判断设备的运行状态。
在一些实施例中,所述根据所述第一平均值筛选所述第一动作时长数据,获取第二动作时长数据,其具体包括:
根据所述第一平均值,将所述第一动作时长数据分为若干个区间大小相同的集合;
获取所述第一动作时长数据中数据量最大的集合作为中心集合;
将所述中心集合及其相邻的若干个集合中的动作时长数据作为第二动作时长数据。
具体的,以第一平均值的1/N作为区间大小,结合第一动作时长数据中的动作时长最大值和最小值获取若干个大小相同区间,根据得到的区间对第一动作时长数据进行分类,得到若干个区间大小相同的集合。通过获取数据量最大的集合作为中心集合,以中心集合为基础,取中心集合区间范围相近的若干个集合作为第二动作时长数据。获取数据量大的集合,可以过滤掉小部分异常数据对于动作稳定性计算的影响。
区间通常是指这样的一类实数集合:如果x和y是两个在集合里的数,那么,任何x和y之间的数也属于该集合。例如,由符合0≤x≤1的实数所构成的集合,便是一个区间,它包含了0、1,还有0和1之间的全体实数。通过获取若干个大小相同的区间,可以实现对于第一动作时长数据的分类。
集合是指具有某种特定性质的具体的或抽象的对象汇总而成的集体。其中,构成集合的 这些对象则称为该集合的元素。通过将第一动作时长数据分成若干个区间大小相同的集合,使得第一动作时长数据可以进行下一步的统计分析。
数据量指的是数据的数量,在本实施例中指的是第一动作时长数据的数量。
中心集合是指数据量最多的集合,通过获取数据量最多的集合及其相邻的集合,可以得到第一动作时长数据中较为集中的数据,即实现了异常数据的剔除,得到正常情况下设备的动作时长数据。
在一些实施例中,所述将所述中心集合及其相邻的若干个集合中的动作时长数据作为第二动作时长数据,其具体包括:
将所述中心集合、中心集合的前部集合和中心集合的后部集合中的动作时长数据作为第二动作时长数据,所述前部集合与所述后部集合基于所述中心集合中心对称。
具体的,取中心集合及与中心集合相邻的对称集合作为第二动作时长数据计算效果更好,由于中心集合为第一动作时长数据集中的集合,以中心集合为中心,取其前面的以中心集合为中心,取其前面的K个集合、后面的K个集合和中间集合本身作为第二动作时长数据符合数据的正态分布规律,其筛选效果较好。
在一些实施例中,所述根据所述第一平均值筛选所述第一动作时长数据,获取第二动作时长数据,其具体包括:
根据所述第一动作时长数据计算标准差;
根据所述第一平均值和所述标准差计算第一区间范围;
将所述第一动作数据中处于所述第一区间范围的数据作为第二动作时长数据。
具体的,在进行第一动作时长数据的筛选过程中,可以根据数据的离散情况对数据进行筛选,以清除远离中心的不合理数据。通过计算得到的标准差进行数据筛选,获取第二动作时长数据。
标准差,中文环境中又常称均方差,是离均差平方的算术平均数的平方根,用σ表示。在概率统计中最常使用作为统计分布程度上的测量。标准差是方差的算术平方根。标准差能反映一个数据集的离散程度。平均数相同的两组数据,标准差未必相同。通过标准差可以得到第一动作时长数据的离散程度,根据离散程度进行数据筛选可以保留大部分正常数据。
第一区间范围通过第一平均值和标准差得到,可以将平均值正负三倍标准差范围作为第一区间范围。
在一些实施例中,所述根据所述第二动作时长数据和所述第二平均值,计算所述设备的动作稳定性,其具体包括:
根据所述第二平均值计算第二区间范围;
根据所述第二动作时长数据在所述第二区间范围内的比例,计算所述设备的动作稳定性。
具体的,第二区间范围用于标定第二动作时长数据的合理性,当第二动作时长数据处于第二区间范围内,则动作时长数据判定为合理;当第二动作时长数据处于第二区间范围外,则动作时长数据判定为不合理。通过计算第二动作时长数据处于第二区间范围内的比例,可以得到设备的动作稳定性。
在一些实施例中,所述根据所述动作稳定性获取所述设备的故障信息,其具体包括:
确定所述动作稳定性大于阈值,所述设备不存在故障;
确定所述动作稳定性小于阈值,所述设备存在故障;
其中,所述阈值为标准设备的动作稳定性。
标准设备,在这里指作为标定的设备,通过对标准设备的动作稳定性进行计算,结合当前设备的动作稳定性,可以判断出当前设备是否存在故障。
在一些实施例中,所述根据所述动作稳定性获取所述设备的故障信息,还包括以下步骤:
确定所述动作稳定性等于阈值,减小所述第二区间范围,重新进行动作稳定性和阈值的计算。
具体的,当标准设备和当前设备的动作稳定性相同时,可以减少第二范围区间,继续获取辨识度更大的动作稳定性的值,从而实现对于当前设备故障的检测。
本发明实施例还提供了一种设备故障检测系统,包括:
计时模块,用于获取所述设备的若干第一动作时长数据;
筛选模块,用于根据所述第一动作时长数据计算第一平均值;根据所述第一平均值筛选所述第一动作时长数据,获取第二动作时长数据;
计算模块,根据所述第二动作时长数据计算第二平均值;根据所述第二动作时长数据和所述第二平均值,计算所述设备的动作稳定性;
检测模块,用于根据所述动作稳定性获取所述设备的故障信息。
具体的,上述方法实施例中的内容均适用于本系统实施例中,本系统实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
本发明实施例还提供了一种设备故障检测装置,包括:
计时器,用于获取所述设备的若干第一动作时长数据;
处理器,用于根据所述第一动作时长数据计算第一平均值;根据所述第一平均值筛选所 述第一动作时长数据,获取第二动作时长数据;根据所述第二动作时长数据计算第二平均值;根据所述第二动作时长数据和所述第二平均值,计算所述设备的动作稳定性;根据所述动作稳定性获取所述设备的故障信息。
具体的,上述方法实施例中的内容均适用于本系统实施例中,本系统实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
系统中所包含的层、模块、单元和/或平台等可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现,其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而,若需要,该程序可以以汇编或机器语言实现。在任何情况下,该语言可以是编译或解释的语言。此外,为此目的该程序能够在编程的专用集成电路上运行。
系统中所包含的层、模块、单元和/或平台所对应执行的数据处理流程,其可按任何合适的顺序来执行,除非本文另外指示或以其他方式明显地与上下文矛盾。本发明实施例系统中所包含的层、模块、单元和/或平台所对应执行的数据处理流程可在配置有可执行指令的一个或多个计算机系统的控制下执行,并且可作为共同地在一个或多个处理器上执行的代码(例如,可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。
本发明还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现所述的一种设备故障检测方法。
具体的,存储介质中存储有处理器可执行的指令,所述处理器可执行的指令在由处理器执行时用于执行上述方法实施例中任一个技术方案所述的一种交互信息处理方法步骤。对于所述存储介质,其可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。可见,上述方法实施例中的内容均适用于本存储介质实施例中,本存储介质实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
在工业生产中,常常会出现一些肉眼难以观察到的异常动作,影响生产线体的稳定性和生产效率。数字工厂、透明化生产和大数据平台等都是为了解决这一类问题应运而生的。其中一般都有检测设备稳定性的作用,如果设备动作稳定性过低,甚至低于人工动作的稳定性 百分比,该设备很可能出现故障或者有设计不合理的地方,应重点分析,本方法亦可用于线体诊断。
以上所述,只是本发明的较佳实施例而已,本发明并不局限于上述实施方式,只要其以相同的手段达到本发明的技术效果,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。在本发明的保护范围内其技术方案和/或实施方式可以有各种不同的修改和变化。
Claims (10)
- 一种设备故障检测方法,其特征在于,包括:获取所述设备的若干第一动作时长数据;根据所述第一动作时长数据计算第一平均值;根据所述第一平均值筛选所述第一动作时长数据,获取第二动作时长数据;根据所述第二动作时长数据计算第二平均值;根据所述第二动作时长数据和所述第二平均值,计算所述设备的动作稳定性;根据所述动作稳定性获取所述设备的故障信息。
- 根据权利要求1所述一种设备故障检测方法,其特征在于,所述根据所述第一平均值筛选所述第一动作时长数据,获取第二动作时长数据,其具体包括:根据所述第一平均值,将所述第一动作时长数据分为若干个区间大小相同的集合;获取所述第一动作时长数据中数据量最大的集合作为中心集合;将所述中心集合及其相邻的若干个集合中的动作时长数据作为第二动作时长数据。
- 根据权利要求2所述一种设备故障检测方法,其特征在于,所述将所述中心集合及其相邻的若干个集合中的动作时长数据作为第二动作时长数据,其具体包括:将所述中心集合、中心集合的前部集合和中心集合的后部集合中的动作时长数据作为第二动作时长数据,所述前部集合与所述后部集合基于所述中心集合中心对称。
- 根据权利要求1所述一种设备故障检测方法,其特征在于,所述根据所述第一平均值筛选所述第一动作时长数据,获取第二动作时长数据,其具体包括:根据所述第一动作时长数据计算标准差;根据所述第一平均值和所述标准差计算第一区间范围;将所述第一动作数据中处于所述第一区间范围的数据作为第二动作时长数据。
- 根据权利要求1所述一种设备故障检测方法,其特征在于,所述根据所述第二动作时长数据和所述第二平均值,计算所述设备的动作稳定性,其具体包括:根据所述第二平均值计算第二区间范围;根据所述第二动作时长数据在所述第二区间范围内的比例,计算所述设备的动作稳定性。
- 根据权利要求5所述一种设备故障检测方法,其特征在于,所述根据所述动作稳定性获取所述设备的故障信息,其具体包括:确定所述动作稳定性大于阈值,所述设备不存在故障;确定所述动作稳定性小于阈值,所述设备存在故障;其中,所述阈值为标准设备的动作稳定性。
- 根据权利要求6所述一种设备故障检测方法,其特征在于,所述根据所述动作稳定性获取所述设备的故障信息,还包括以下步骤:确定所述动作稳定性等于阈值,减小所述第二区间范围,重新进行动作稳定性和阈值的计算。
- 一种设备故障检测系统,其特征在于,包括:计时模块,用于获取所述设备的若干第一动作时长数据;筛选模块,用于根据所述第一动作时长数据计算第一平均值;根据所述第一平均值筛选所述第一动作时长数据,获取第二动作时长数据;计算模块,根据所述第二动作时长数据计算第二平均值;根据所述第二动作时长数据和所述第二平均值,计算所述设备的动作稳定性;检测模块,用于根据所述动作稳定性获取所述设备的故障信息。
- 一种设备故障检测装置,其特征在于,包括:计时器,用于获取所述设备的若干第一动作时长数据;处理器,用于根据所述第一动作时长数据计算第一平均值;根据所述第一平均值筛选所述第一动作时长数据,获取第二动作时长数据;根据所述第二动作时长数据计算第二平均值;根据所述第二动作时长数据和所述第二平均值,计算所述设备的动作稳定性;根据所述动作稳定性获取所述设备的故障信息。
- 一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-7任一项所述的一种设备故障检测方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010635093.0A CN111949941B (zh) | 2020-07-03 | 2020-07-03 | 一种设备故障检测方法、系统、装置和存储介质 |
CN202010635093.0 | 2020-07-03 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2022001060A1 true WO2022001060A1 (zh) | 2022-01-06 |
Family
ID=73339891
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/CN2020/140970 WO2022001060A1 (zh) | 2020-07-03 | 2020-12-29 | 一种设备故障检测方法、系统、装置和存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111949941B (zh) |
WO (1) | WO2022001060A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114637264A (zh) * | 2022-03-15 | 2022-06-17 | 广州明珞装备股份有限公司 | 动作稳定性分析方法、系统、设备及存储介质 |
CN115514621A (zh) * | 2022-11-15 | 2022-12-23 | 阿里云计算有限公司 | 故障监测方法、电子设备及存储介质 |
CN117740083A (zh) * | 2024-02-19 | 2024-03-22 | 达斯玛环境科技(北京)有限公司 | 一种搅拌器故障监测方法、系统、设备及存储介质 |
CN117740083B (zh) * | 2024-02-19 | 2024-05-10 | 达斯玛环境科技(北京)有限公司 | 一种搅拌器故障监测方法、系统、设备及存储介质 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111949941B (zh) * | 2020-07-03 | 2023-03-03 | 广州明珞汽车装备有限公司 | 一种设备故障检测方法、系统、装置和存储介质 |
CN113065979A (zh) * | 2021-03-22 | 2021-07-02 | 贵州电网有限责任公司 | 一种调度自动化系统负荷报表改善与自检方法 |
CN114625088B (zh) * | 2022-03-15 | 2024-02-02 | 广州明珞装备股份有限公司 | 自动化生产线的效能优化方法、系统、设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110145811A1 (en) * | 2010-06-29 | 2011-06-16 | Joerg Middendorf | Method and system for software update of wind energy hardware components |
CN104793270A (zh) * | 2015-04-14 | 2015-07-22 | 中国气象局气象探测中心 | 一种综合气象观测网中设备运行状态的综合判定方法 |
CN108319568A (zh) * | 2018-03-06 | 2018-07-24 | 江苏中科瀚星数据科技有限公司 | 一种设备状态异常问题定位的方法 |
CN108764498A (zh) * | 2018-05-25 | 2018-11-06 | 哈工大机器人(合肥)国际创新研究院 | 一种设备的健康指数的获取方法及装置 |
CN111949941A (zh) * | 2020-07-03 | 2020-11-17 | 广州明珞汽车装备有限公司 | 一种设备故障检测方法、系统、装置和存储介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105894329A (zh) * | 2016-03-31 | 2016-08-24 | 乐视控股(北京)有限公司 | 一种数据分析方法和装置 |
CN108509634A (zh) * | 2018-04-10 | 2018-09-07 | 深信服科技股份有限公司 | 抖动故障监测方法、监测装置及计算机可读存储介质 |
CN111340250A (zh) * | 2018-12-19 | 2020-06-26 | 富泰华工业(深圳)有限公司 | 设备检修装置、方法及计算机可读存储介质 |
CN109711570A (zh) * | 2018-12-26 | 2019-05-03 | 中国移动通信集团江苏有限公司 | 设备运行检测的方法、装置、设备和介质 |
CN110334308B (zh) * | 2019-04-23 | 2022-10-25 | 中国电子科技集团公司第二十四研究所 | 一种优化电源扫描参数测试中偏置条件的计算方法 |
CN110458380A (zh) * | 2019-06-18 | 2019-11-15 | 广州明珞汽车装备有限公司 | 一种生产工艺时序基准值的计算方法、系统和存储介质 |
CN111078974A (zh) * | 2019-12-10 | 2020-04-28 | 苏州朗动网络科技有限公司 | 实时检测新闻量异常的方法、设备和存储介质 |
-
2020
- 2020-07-03 CN CN202010635093.0A patent/CN111949941B/zh active Active
- 2020-12-29 WO PCT/CN2020/140970 patent/WO2022001060A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110145811A1 (en) * | 2010-06-29 | 2011-06-16 | Joerg Middendorf | Method and system for software update of wind energy hardware components |
CN104793270A (zh) * | 2015-04-14 | 2015-07-22 | 中国气象局气象探测中心 | 一种综合气象观测网中设备运行状态的综合判定方法 |
CN108319568A (zh) * | 2018-03-06 | 2018-07-24 | 江苏中科瀚星数据科技有限公司 | 一种设备状态异常问题定位的方法 |
CN108764498A (zh) * | 2018-05-25 | 2018-11-06 | 哈工大机器人(合肥)国际创新研究院 | 一种设备的健康指数的获取方法及装置 |
CN111949941A (zh) * | 2020-07-03 | 2020-11-17 | 广州明珞汽车装备有限公司 | 一种设备故障检测方法、系统、装置和存储介质 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114637264A (zh) * | 2022-03-15 | 2022-06-17 | 广州明珞装备股份有限公司 | 动作稳定性分析方法、系统、设备及存储介质 |
CN114637264B (zh) * | 2022-03-15 | 2024-05-17 | 广州明珞装备股份有限公司 | 动作稳定性分析方法、系统、设备及存储介质 |
CN115514621A (zh) * | 2022-11-15 | 2022-12-23 | 阿里云计算有限公司 | 故障监测方法、电子设备及存储介质 |
CN115514621B (zh) * | 2022-11-15 | 2023-03-21 | 阿里云计算有限公司 | 故障监测方法、电子设备及存储介质 |
CN117740083A (zh) * | 2024-02-19 | 2024-03-22 | 达斯玛环境科技(北京)有限公司 | 一种搅拌器故障监测方法、系统、设备及存储介质 |
CN117740083B (zh) * | 2024-02-19 | 2024-05-10 | 达斯玛环境科技(北京)有限公司 | 一种搅拌器故障监测方法、系统、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111949941B (zh) | 2023-03-03 |
CN111949941A (zh) | 2020-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2022001060A1 (zh) | 一种设备故障检测方法、系统、装置和存储介质 | |
US9652354B2 (en) | Unsupervised anomaly detection for arbitrary time series | |
US10069900B2 (en) | Systems and methods for adaptive thresholding using maximum concentration intervals | |
AU2018201487B2 (en) | Method and system for health monitoring and fault signature identification | |
CN109783486B (zh) | 数据清洗方法、装置及服务器 | |
US9582395B2 (en) | Critical systems inspector | |
CA2931624A1 (en) | Systems and methods for event detection and diagnosis | |
WO2022105318A1 (zh) | 监测机台运行状况的方法及装置、存储介质及电子设备 | |
CN110149653B (zh) | 一种云手机故障监控方法和系统 | |
JP2012164314A (ja) | 現象における変数の影響を決定する方法 | |
CN115454778A (zh) | 大规模云网络环境下的时序指标异常智能监控系统 | |
CN108599977A (zh) | 基于统计方法监控系统可用性的系统及方法 | |
KR20140113153A (ko) | 통계적 동일성 검정방법 및 시스템 | |
KR101998972B1 (ko) | 변수 구간별 불량 발생 지수를 도출하여 공정 불량 원인을 파악하고 시각화하는 방법 | |
CN111090593A (zh) | 确定崩溃归属的方法、装置、电子设备及存储介质 | |
CN110458380A (zh) | 一种生产工艺时序基准值的计算方法、系统和存储介质 | |
CN109254898B (zh) | 一种软件模块执行顺序监视方法及监视系统 | |
WO2023181241A1 (ja) | 監視サーバ装置、システム、方法、及びプログラム | |
CN113919225B (zh) | 环境试验箱可靠性评估方法和系统 | |
TWI592810B (zh) | 衡量二元資料於時間等級的群聚級別的無母數分析方法 | |
CN112580838B (zh) | 环保设备运维的管理方法、系统、计算机存储介质及终端 | |
US20130191076A1 (en) | System and method for monitoring, diagnostics, and prognostics | |
JP2016085496A (ja) | 計算機システムの異常予兆検出装置および方法 | |
KR20180073273A (ko) | 통계 분석에 기반한 거짓 경보 감소 방법 및 장치 | |
CN113554224B (zh) | 多点统计与健康趋势预测相结合的故障诊断方法和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 20942787 Country of ref document: EP Kind code of ref document: A1 |
|
NENP | Non-entry into the national phase |
Ref country code: DE |
|
122 | Ep: pct application non-entry in european phase |
Ref document number: 20942787 Country of ref document: EP Kind code of ref document: A1 |